网络风险与股票收益横截面
投资组合管理
2024-03-06 v2
摘要
我们利用机器学习算法提取企业的网络风险，该算法通过衡量企业披露信息与专用网络语料库之间的接近度来实现。我们的方法优于词典法，使用了完整的披露内容而非仅限于专门章节，并生成了与其他企业特征不相关的网络风险度量。我们发现，由高网络风险分位数的美国上市股票组成的投资组合产生了 18.72% 的年化超额收益。此外，一个做多 - 做空网络风险投资组合具有显著且为正的风险溢价，为年化 6.93%，且对所有因子基准均稳健。最后，利用贝叶斯资产定价方法，我们表明我们的网络风险因子是使任何多因子模型能够为股票收益横截面定价的关键特征。
引用
@article{arxiv.2402.04775,
title = {Cyber risk and the cross-section of stock returns},
author = {Daniel Celeny and Loïc Maréchal},
journal= {arXiv preprint arXiv:2402.04775},
year = {2024}
}
备注
This document results from a research project funded by the Cyber-Defence Campus, armasuisse Science and Technology. We appreciate helpful comments from seminar participants at the Cyber Alp Retreat 2023. We also thank Pierre Collin-Dufresne and Michel Dubois for their invaluable comments